ESP32-C3实战：低功耗WiFi与BLE信号扫描及JSON数据上报方案

1. ESP32-C3双模信号扫描方案设计

ESP32-C3作为乐鑫推出的RISC-V架构物联网芯片，其内置的WiFi 4和BLE 5.0双模射频模块非常适合环境信号监测场景。在实际项目中，我经常用它来构建智能家居信号质量分析仪、商场客流监测终端等设备。相比传统方案需要外接蓝牙模块，ESP32-C3的片上集成设计让硬件布局更简洁。

双模扫描的核心挑战在于射频资源的时分复用。经过多次实测发现，当WiFi和蓝牙同时进行高强度扫描时，会出现以下典型问题：

• RSSI读数波动增大（±5dBm）
• 蓝牙广播包捕获率下降30%左右
• 系统整体功耗上升约25mA

为解决这些问题，我的工程采用了时间片轮转策略：

1. 优先执行BLE扫描（5秒持续时间）
2. 紧接着进行WiFi主动扫描（约2秒完成）
3. 剩余时间进入轻量级休眠
4. 整个周期默认15秒可配置

这种串行化设计经频谱分析仪验证，能有效避免射频冲突。在办公室环境测试中，相比并行扫描方案，该策略使蓝牙设备发现率从72%提升到98%，WiFi AP发现数量也从平均18个增加到23个。

2. 低功耗优化实战技巧

在电池供电的场景下，功耗控制直接决定设备续航。通过示波器抓取电流波形，我发现三个主要耗电高峰：

• RF全功率工作阶段（约80mA）
• 数据序列化处理阶段（约45mA）
• MQTT通信阶段（约65mA）

实测有效的节电手段包括：

• 将WiFi扫描的dwell time从默认120ms降至110ms，单次扫描节省约8%能耗
• 配置BLE扫描窗口/间隔比为0.5（18.75ms/37.5ms），比连续扫描省电62%
• 在两次扫描间隙插入esp_light_sleep_start()，可使待机电流从12mA降至1.8mA

特别要注意的是，NVS闪存频繁写入也会增加功耗。建议在sdkconfig中关闭WiFi NVS flash选项，并通过以下配置减少蓝牙堆栈消耗：

// 在menuconfig中调整 CONFIG_BT_NIMBLE_MAX_CONNECTIONS=1 CONFIG_BT_NIMBLE_MSG_DEBUG=false

3. JSON数据封装与上报

数据标准化是物联网系统的关键，本方案采用cJSON库构建统一数据结构。在多次迭代后，我优化出的JSON模板包含这些要素：

{ "ts": 1731285230123, "wifi_list": [ { "ssid": "Home", "bssid": "AA:BB:CC:DD:EE:FF", "rssi": -45, "primary": 1, "auth": 3 } ], "ble_list": [ { "addr": "12:34:56:78:9A:BC", "rssi": -67, "adv_type": 0, "name": "MiBand" } ] }

数据量控制技巧：

• 对WiFi列表按RSSI排序后截断，保留信号最强的20个AP
• 过滤掉RSSI<-90dBm的蓝牙设备
• 使用cJSON_PrintUnformatted生成紧凑型JSON，比格式化输出减少30%体积

MQTT上报时推荐采用QoS1级别，并添加以下增强配置：

esp_mqtt_client_config_t cfg = { .broker.address.uri = "mqtt://broker.url", .session.keepalive = 60, .session.protocol_ver = MQTT_PROTOCOL_V_311, .credentials.client_id = "esp32c3-scanner", .buffer.size = 2048 // 防止大报文溢出 };

4. 稳定性调优经验

在三个月实地部署中，我总结了这些可靠性提升方法：

WiFi扫描稳定性：

• 添加重试机制：当esp_wifi_scan_get_ap_records返回0时，自动切换信道间隔时间
• 混合扫描模式：主用主动扫描，当连续3次失败时切到被动模式
• 信道黑名单：通过NVS存储高干扰信道，后续扫描自动跳过

BLE扫描增强：

• 实现MAC地址去重，避免同一设备多次出现在列表
• 添加厂商数据解析（如下示例解析小米设备特征）：

if (memcmp(addr, "A4:C1:38", 8) == 0) { // 小米设备OUI parse_mi_sensor_data(adv_data); }

系统级防护：

• 看门狗喂狗策略：在扫描循环开始和结束时各喂一次
• 内存监控：定期检查堆空间，低于20KB时主动重启
• 异常恢复：捕获WiFi/BLE驱动错误后执行esp_restart()

5. 扩展应用场景

这套基础框架经过适配，可以扩展出多种实用功能。最近在某智能农业项目中，我们将其改造为：

温室环境监测终端：

• 通过BLE接收温湿度传感器数据（如ATC芯片）
• 扫描周边WiFi信号强度评估设备部署密度
• 数据融合后生成环境质量指数

设备定位辅助系统：

• 采集各位置的信标强度特征
• 结合RSSI指纹算法实现米级定位
• 上报数据格式扩展为：

{ "location": { "x": 1.2, "y": 3.4, "confidence": 0.85 }, "sensors": { "temperature": 25.6, "humidity": 60 } }

对于需要固件无线升级的场景，建议采用双分区设计，并在sdkconfig中配置：

CONFIG_PARTITION_TABLE_CUSTOM=y CONFIG_PARTITION_TABLE_CUSTOM_FILENAME="partitions.csv"